Neo4j 第二篇：圖形資料庫_ZenDei技術網路在線

在深入學習圖形資料庫之前，首先理解屬性圖的基本概念。一個屬性圖是由頂點（Vertex），邊（Edge），標簽（Lable），關係類型和屬性（Property）組成的有向圖。頂點也稱作節點（Node），邊也稱作關係（Relationship）；在圖形中，節點和關係是最重要的實體，所有的節點是獨立存在的 ...

在深入學習圖形資料庫之前，首先理解屬性圖的基本概念。一個屬性圖是由頂點（Vertex），邊（Edge），標簽（Lable），關係類型和屬性（Property）組成的有向圖。頂點也稱作節點（Node），邊也稱作關係（Relationship）；在圖形中，節點和關係是最重要的實體，所有的節點是獨立存在的，為節點設置標簽，那麼擁有相同標簽的節點屬於一個分組，一個集合；關係通過關係類型來分組，類型相同的關係屬於同一個集合。關係是有向的，關係的兩端是起始節點和結束節點，通過有向的箭頭來標識方向，節點之間的雙向關係通過兩個方向相反的關係來標識。節點可有零個，一個或多個標簽，但是關係必須設置關係類型，並且只能設置一個關係類型。Neo4j圖形資料庫的查詢語言是Cypher，用於操作屬性圖，是圖形語言中事實上的標準。

我的Neo4j系列的文章收錄在：Neo4j

一，圖形資料庫的基本概念

Neo4j創建的圖（Graph）基於屬性圖模型，在該模型中，每個實體都有ID（Identity）唯一標識，每個節點由標簽（Lable）分組，每個關係都有一個唯一的類型，屬性圖模型的基本概念有：

實體（Entity）是指節點（Node）和關係（Relationship）；
- 每個實體都有一個唯一的ID；
- 每個實體都有零個，一個或多個屬性，一個實體的屬性鍵是唯一的；
- 每個節點都有零個，一個或多個標簽，屬於一個或多個分組；
- 每個關係都只有一個類型，用於連接兩個節點；
路徑（Path）是指由起始節點和終止節點之間的實體（節點和關係）構成的有序組合；
標記（Token）是非空的字元串，用於標識標簽（Lable），關係類型（Relationship Type），或屬性鍵（Property Key）；

標簽：用於標記節點的分組，多個節點可以有相同的標簽，一個節點可以有多個Lable，Lable用於對節點進行分組；
關係類型：用於標記關係的類型，多個關係可以有相同的關係類型；
屬性鍵：用於唯一標識一個屬性；

屬性（Property）是一個鍵值對（Key/Value Pair），每個節點或關係可以有一個或多個屬性；屬性值可以是標量類型，或這標量類型的列表（數組）；

二，圖形示例

在下麵的圖形中，存在三個節點和兩個關係共5個實體；Person和Movie是Lable，ACTED_ID和DIRECTED是關係類型，name，title，roles等是節點和關係的屬性。

實體包括節點和關係，節點有標簽和屬性，關係是有向的，鏈接兩個節點，具有屬性和關係類型。

1，實體

在示例圖形中，包含三個節點，分別是：

包含兩個關係，分別是：

兩個關係類型：ACTED_IN和DIRECTED，
兩個關係：連接name屬性為Tom Hank節點和Movie節點的關係，連接name屬性為Forrest Gump的節點和Movie節點的關係。

其中一個關係如下圖：

2，標簽（Lable）

在圖形結構中，標簽用於對節點進行分組，相當於節點的類型，擁有相同標簽的節點屬於同一個分組。一個節點可以擁有零個，一個或多個標簽，因此，一個節點可以屬於多個分組。對分組進行查詢，能夠縮小查詢的節點範圍，提高查詢的性能。

在示例圖形中，有兩個標簽Person和Movie，兩個節點是Person，一個節點是Movie，標簽有點像節點的類型，但是，每個節點可以有多個標簽。

3，屬性（Property）

屬性是一個鍵值對（Key/Value），用於為節點或關係提供信息。一般情況下，每個節點都由name屬性，用於命名節點。

在示例圖形中，Person節點有兩個屬性name和title，Movie節點有兩個屬性：title和released，

關係類型ACTED_IN有一個屬性：roles，該屬性值是一個數組，而關係類型為DIRECTED的關係沒有屬性

三，遍歷（Traversal）

遍歷一個圖形，是指沿著關係及其方向，訪問圖形的節點。關係是有向的，連接兩個節點，從起始節點沿著關係，一步一步導航（navigate）到結束節點的過程叫做遍歷，遍歷經過的節點和關係的有序組合稱作路徑（Path）。

在示例圖形中，查找Tom Hanks參演的電影，遍歷的過程是：從Tom Hanks節點開始，沿著ACTED_IN關係，尋找標簽為Movie的目標節點。

遍歷的路徑如圖：

四，圖形資料庫的模式

Neo4j的模式（Schema）通常是指索引，約束和統計，通過創建模式，Neo4j能夠獲得查詢性能的提升和建模的便利；Neo4j資料庫的模式可選的，也可以是無模式的。

1，索引

圖形資料庫也能創建索引，用於提高圖形資料庫的查詢性能。和關係型資料庫一樣，索引是圖形數據的一個冗餘副本，通過額外的存儲空間和犧牲數據寫操作的性能，來提高數據搜索的性能，避免創建不必要的索引，這樣能夠減少數據更新的性能損失。

Neo4j在圖形節點的一個或多個屬性上創建索引，在索引創建完成之後，當圖形數據更新時，Neo4j負責索引的自動更新，索引的數據是實時同步的；在查詢被索引的屬性時，Neo4j自動應用索引，以獲得查詢性能的提升。

例如，使用Cypher創建索引：

CREATE INDEX ON :Person(firstname)
CREATE INDEX ON :Person(firstname, surname)

2，約束

在圖形資料庫中，能夠創建四種類型的約束：

節點屬性值唯一約束（Unique node property）：如果節點具有指定的標簽和指定的屬性，那麼這些節點的屬性值是唯一的
節點屬性存在約束（Node property existence）：創建的節點必須存在標簽和指定的屬性
關係屬性存在約束（Relationship property existence）：創建的關係存在類型和指定的屬性
節點鍵約束（Node Key）：在指定的標簽中的節點中，指定的屬性必須存在，並且屬性值的組合是唯一的

例如，使用Cypher創建約束：

CREATE CONSTRAINT ON (book:Book) ASSERT book.isbn IS UNIQUE;
CREATE CONSTRAINT ON (book:Book) ASSERT exists(book.isbn);
CREATE CONSTRAINT ON ()-[like:LIKED]-() ASSERT exists(like.day);
CREATE CONSTRAINT ON (n:Person) ASSERT (n.firstname, n.surname) IS NODE KEY;

3，統計信息

當使用Cypher查詢圖形資料庫時，Cypher腳本被編譯成一個執行計劃，執行該執行計劃獲得查詢結果。為了生成一個性能優化的執行計劃，Neo4j需要收集統計信息以對查詢進行優化。當統計信息變化到一定的賦值時，Neo4j需要重新生成執行計劃，以保證Cypher查詢是性能優化的，Neo4j存儲的統計信息包括：

The number of nodes with a certain label.
Selectivity per index.
The number of relationships by type.
The number of relationships by type, ending or starting from a node with a specific label.

預設情況下，Neo4j自動更新統計信息，但是，統計信息的更新不是實時的，更新統計信息可能是一個非常耗時的操作，因此，Neo4j在後臺運行，並且只有當變化的數據達到一定的閾值時，才會更新統計信息。

Neo4j keeps the statistics up to date in two different ways. For label counts for example, the number is updated whenever you set or remove a label from a node. For indexes, Neo4j needs to scan the full index to produce the selectivity number. Since this is potentially a very time-consuming operation, these numbers are collected in the background when enough data on the index has been changed.

Neo4j把執行計劃被緩存起來，在統計信息變化之前，執行計劃不會被重新生成。通過配置選項，Neo4j能夠控制執行計劃的重新生成：

dbms.index_sampling.background_enabled：是否在後臺統計索引信息，由於Cypher查詢的執行計劃是根據統計信息生成的，及時更新索引的統計數據對生成性能優化的執行計劃非常重要；
dbms.index_sampling.update_percentage：在更新索引的統計信息之前，索引中有多大比例的數據被更新；
cypher.statistics_divergence_threshold：當統計信息變化時，Neo4j不會立即更新Cypher查詢的執行計劃；只有當統計信息變化到一定的程度時，Neo4j才會重新生成執行計劃。

參考文檔：

Graph database concepts

Chapter 3. Cypher